本节课主要讲：
RDD相关的基础知识
讲解几种常见的RDD及其分区策略：
textFile
sequenceFile
JDBCRDD
HBaseRDD
RDD的基础讲解
RDD的五大特性
1 ?- A list of partitions
2 ?- A function for computing each split
3 ?- A list of
dependencies on other RDDs
4 ?- Optionally, a Partitioner for key-value RDDs
(e.g. to say that the RDD is hash-partitioned)
5 ?- Optionally, a list of
preferred locations to compute each split on (e.g. block locations for
? ?an
HDFS file)
翻译成中文:
1,一个分片列表。也即RDD可以进行分片。
2,每个分片都有计算函数。分片是计算的最小单位
3,一个RDD会依赖于一系列的RDD。并不是所有的RDD都是有依赖。
所有的转换操作都会生成新的RDD，所以就形成了RDD的血缘关系，一个RDD计算失败可以利用其血缘关系进行恢复。
4,可选项。针对 key-values类型的RDD才有的分区器。
5,最佳运行位置 或者 叫偏向运行位置 或者 叫数据的本地性。
RDD的操作
转换(Transformations)(如：map, filter, groupBy, join等)，Transformations操作是Lazy的，也就是说从一个RDD转换生成另一个RDD的操作不是马上执行，Spark在遇到Transformations操作时只会记录需要这样的操作，并不会去执行，需要等到有Actions操作的时候才会真正启动计算过程进行计算。
操作(Actions)(如：count, collect, save等)，Actions操作会返回结果或把RDD数据写到存储系统中。Actions是触发Spark启动计算的动因。
RDD在集群的使用及工作原理
RDD的声明周期可以分为四步:
1,创建RDD。
RDD创建方式
1）从Hadoop文件系统（如HDFS、Hive、HBase）输入创建。
2）从父RDD转换得到新RDD。
3）通过parallelize或makeRDD将单机数据创建为分布式RDD。
4）基于DB(Mysql)、NoSQL(HBase)、S3(SC3)、数据流创建。
2,构建执行计划。
3,调度执行任务。
由TaskScheduler和TaskSetManager对TaskSet进行进一步资源封装可最佳位置计算，然后进行调度到相应的Executor上去执行。
4,结果返回。
最终的执行结果返回给Driver或者输出到指定的位置。
RDD计算链条
RDD的依赖关系
窄依赖：父RDD的一个分区只会被一个子RDD继承：NarrowDependency
宽依赖：父RDD的一个分区可以被若干个子RDD继承：ShuffleDependency
对比,宽依赖，窄依赖：
1，窄依赖允许在一个集群节点上以流水线的方式（pipeline）计算所有父分区。例如，逐个元素地执行map、然后filter操作；宽依赖则需要首先计算好所有父分区数据，然后在节点之间进行Shuffle，与MapReduce类似；
2，窄依赖能够更有效地进行失效节点的恢复，即只需重新计算丢失RDD分区的父分区，而且不同节点之间可以并行计算；而对于一个宽依赖关系的Lineage图，单个节点失效可能导致这个RDD的所有祖先丢失部分分区，因而需要整体重新计算。
RDD数据分区
1,通过控制分区数可以。可以控制task数目。
2,所有key-value类型的RDD都支持分区。HashPartitioner是最常用的。中老年服装品牌也可以自定义分区策略。
3,RDD的很多操作算子都会导致Shuffle，比如ReduceBykey，GroupByKey等。
Shuffle
Hadoop文件的压缩
|
压缩格式 |
工具 |
算法 |
扩展名 |
Splitable |
|
DEFATE |
N/A |
DEFLATE |
.deflate |
No |
|
Gzip |
gzip |
DEFLATE |
.gz |
No |
|
Bzip2 |
Bzip2 |
Bzip2 |
.bz2 |
Yes |
|
Lzo |
lzop |
LZO |
.lzo |
No |
|
LZ4 |
N/A |
LZ4 |
.lz4 |
No |
|
Snappy |
N/A |
Snappy |
.snappy |
No |
更多源码视频，请加入知识星球获取：
文章来源：https://blog.csdn.net/rlnLo2pNEfx9c/article/details/80823490